Tabel 3.2. Daftar Nama Penyuluh Beserta Wilayah Kerjanya dan Jumlah Kelompok Tani Binaan No Penyuluh
Wilayah Kerja Penyuluh Desa
Jumlah Kelompok Tani Binaan
1 2
3 4
5 6
7 8
9 10
11 Marasi Rumapea
Rudy Syahrizal Juliani Sitorus
Sutrsino Nanang Lesmana, SPt
Siswo Aji, Amd Adi Ahmad
Asyah Raini Yunita Fitriani
Surya Syahputra, SP Ruji Asmaji
Desa Naga Kisar Desa Kota Pari
Desa Kuala Lama Desa Besar II Terjun
Desa Ujung Rambung Desa Cilawan
Desa Sementara Desa Lubuk Saban
Desa Pantai Cermin Kiri Desa Pantai Cermin Kanan
Desa Pematang Kasih Desa Arah Payung
8 15
10 7
7 12
6 8
4 2
4 6
Sumber: Kantor Camat Pantai Cermin
Tabel 3.2. memperlihatkan bahwa Desa Kota Pari adalah desa yang memiliki jumlah kelompok tani terbanyak yaitu berjumlah 15 kelompok tani. Sedangkan Desa Pantai Cermin
Kanan merupakan desa yang memiliki jumlah kelompok tani paling sedikit yaitu berjumlah 2 kelompok tani.
3.2. Metode Penentuan Sampel Penelitian
Populasi dalam penelitian ini adalah seluruh penyuluh pertanian lapangan yang ditugaskan di Kecamatan Pantai Cermin yang terdiri dari 11 orang. Metode penentuan sampel
penelitian dilakukan secara sensus, artinya seluruh penyuluh pertanian yang ditugaskan di Kecamatan Pantai Cermin menjadi sampel dalam penelitian ini.
3.3. Metode Pengumpulan Data
Data penelitian ini terdiri dari data primer dan data sekunder. Data primer diperoleh dari keterangan yang diberikan penyuluh sebagai responden dengan menggunakan daftar kuesioner
Universitas Sumatera Utara
yang telah disiapkan. Data sekunder diperoleh dari informasi dari lembaga atau instansi yang mendukung penelitian, seperti: Badan Pusat Statistik Sumatera Utara.
3.4. Metode Analisa Data
1. Masalah petama dianalisis secara deskriptif, yaitu dengan cara menjelaskan karakteristik
sosial ekonomi penyuluh pertanian di Kecamatan Pantai Cermin. 2.
Masalah kedua dianalisis secara deskriptif, yaitu dengan menjelaskan pelaksanaan tugas-tugas pokok penyuluh pertanian yang dilaksanakan oleh penyuluh di Kecamatan Pantai Cermin.
3. Analisis data untuk masalah ketiga atau hipotesis pertama digunakan metode pemberian skor.
Tingkat keberhasilan pelaksanaan tugas pokok penyuluh di Kecamatan Pantai Cermin dilihat dari tingkat partisipasi penyuluh terhadap pelaksanaan tugas pokok penyuluhan pertanian.
Universitas Sumatera Utara
Tabel 3.2. Uraian Tugas Pokok dan Fungsi PPL No Tugas Pokok
Indikator Skor
1 Menyelenggarakan kunjungan secara
berkesinambungan kepada kelompok tani sesuai sistem kerja LAKU
A: 24 kali kunjungan ke 16 kelompok tani dalam setahun
B: 12 - 23 kali kunjungan ke 16
kelompok tani dalam setahun C: 12 kali kunjungan ke 16 kelompok
tani dalam setahun 3
2 1
2 Menyelenggarakan
penyuluhan pertanian dengan materi yang
terpadu, mendinamisasikan kelompok tani dengan pendekatan
kelompok A: 2 kali dalam sebulan
B: 1 kali dalam sebulan C: Tidak pernah
3 2
1
3 Menyusun bersama program
penyuluhan di Balai Penyuluhan dan melaksanakan kegiatan penyuluhan
dengan mengikut sertakan tokoh masyarakat
A: 1 kali dalam setahun B: 1 kali dalam dua tahun
C: 1 kali dalam 3 tahun 3
2 1
4 Memanfaatkan metode penyuluhan
dan memantapkan sistem kerja LAKU antara lain: demonstrasi-
demonstrasi Sipedes, kursus-kursus tani desa
A: Selalu B: Kadang-kadang
C: Tidak pernah 3
2 1
5 Bersama-sama dengan kontak tani
dan tokoh-tokoh masyarakat menyelenggarakan gerakan massal di
wilayah kerja antara lain: pemberantasan hama, gotong
royong, dan sebagainya A: Selalu
B: Kadang-kadang C: Tidak pernah
3 2
1
6 Menyusun rencana kerja di tingkat
WKPP A: 1 kali dalam setahun
B: 1 kali dalam dua tahun C: 1 kali dalam 3 tahun
3 2
1
7 Membantu menyusun RDKRDKK
kelompok A: 1 kali dalam setahun
B: 1 kali dalam dua tahun C: 1 kali dalam 3 tahun
3 2
1
8 Membantu menyusun administrasi
kelompok A: 12-16 kelompok tani
B: 6-11 kelompok tani C: 1-5 kelompok tani
3 2
1
9 Melaksanakan tugas lain yang
dibebankan oleh Kepala Bapeluh A: Selalu
B: Kadang-kadang C: Tidak pernah
3 2
1
Universitas Sumatera Utara
Menurut Irianto 2004 untuk mengukur range 2 variabel digunakan rumus: Range =
Jumlah Indikator Data terbesar – Data terkecil
Range = 27 – 9
3 = 6
Jumlah skor tingkat keberhasilan pelaksanaan tugas pokok penyuluhan pertanian antara lain 9 –
27 dengan range 6, sehingga dapat dikategorikan sebagai berikut: 9 – 15 = Tingkat keberhasilan rendah
16 – 21 = Tingkat keberhasilan sedang 22 – 27 = Tingkat keberhasilan tinggi
4. Hipotesis kedua diuji dengan Metode Regresi Linear Berganda. Hasan 2004, menyatakan
rumus regresi linear berganda adalah sebagai berikut:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ b
6
X
6
+ �
Dimana : Y = Tingkat keberhasilan tugas pokok penyuluh pertanian tahun
a = Koefisien intersep X
1
= Umur tahun X
2
= Tingkat pendidikan tahun X
3
= Lama menjadi penyuluh tahun X
4
= Jumlah tanggungan keluarga orang X
5
= Total pendapatan penyuluh Rpbln X
6
= Jarak tempat tinggal penyuluh dengan WKPP tempat bertugas Km b
1
– b
6
= Koefisien regresi untuk masing-masing variabel � = Kesalahan pengganggu
Universitas Sumatera Utara
Kemudian diuji dengan Uji t, dengan rumus sebagai berikut:
� = ��� � − 2
1 − ��
2
Dengan uji kriteria sebagai berikut: Dimana:
Jika t hitung ≤ t tabel, berarti H
diterima tidak ada pengaruh Jika t hitung t tabel, berarti H
ditolak ada pengaruh Hipotesa kedua dapat juga diuji dengan menggunakan software SPSS.
4.1. Uji Kesesuaian Model
4.1.1. Koefisien Determinasi R
2
Koefisien determinasi digunakan untuk mengetahui seberapa besar hubungan dari beberapa variabel dalam pengertian yang lebih jelas. Koefisien determinasi akan
menjelaskan seberapa besar perubahan atau variasi suatu variabel bisa dijelaskan oleh perubahan atau variasi pada variabel yang lain. Koefisien determinasi untuk mengukur
tingkat ketepatan. Besarnya koefisien determinasi berganda multiple coefficient of correlation yang bersimbol R
2
. Makin banyak variabel didalam model, maka semakin naik fungsi tersebut, artinya semakin besar nilai R
2
semakin dengan satu, maka semakin cocok regresi untuk meramalkan Y Firdaus, 2004.
4.1.2. Uji Serempak Uji F
Uji F yaitu uji untuk melihat bagaimanakah pengaruh semua variabel bebasnya secara bersama-sama terhadap variabel terikatnya atau untuk menguji apakah model
regresi yang kita buat baiksignifikan atau tidak baiknon signifikan. Jika model signifikan maka model bisa digunakan untuk prediksiperamalan, sebaliknya jika
Universitas Sumatera Utara
nontidak signifikan maka model regresi tidak bisa digunakan untuk peramalan Firdaus, 2004.
4.1.3. Uji Parsial Uji t
Uji t dikenal dengan uji parsial, yaitu untuk menguji bagaimana pengaruh masing- masing variabel bebasnya secara sendiri-sendiri terhadap variabel terikatnya. Uji ini
dapat dilakukan dengan mambandingkan t hitung dengan t tabel atau dengan melihat kolom signifikansi pada masing-masing t hitung, proses uji t identik dengan Uji F
Firdaus, 2004. 4.2.
Uji Asumsi Klasik 4.2.1.
Uji Normalitas Uji normalitas sangat diperlukan dalam menghadapi sampel kecil untuk keperluan
pengujian hipotesis Supranto, 2005. Uji normalitas adalah untuk mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal, yakni distribusi data
dengan bentuk lonceng Sulianto, 2011. Untuk menguji normalitas dengan pendekatan grafik digunakan Normal
Probability Plot, yaitu dengan membandingkan distribusi kumulatif data sesungguhnya yang digambarkan dengan ploting dengan distribusi kumulatif dari
distribusi normal yang digambarkan garis lurus normal dari kiri ke kanan atas. Jika data normal, maka garis yang digambarkan data akan mengikuti atau merapat ke garis
diagonalnya Sulianto, 2011. 4.2.2.
Uji Multikolinieritas Menurut Ragner Frish dalam Supranto 2005 istilah kolinieritas sendiri berarti
hubungan linear tunggal, sedangkan kolinieritas ganda milticollinearity
Universitas Sumatera Utara
menunjukkan adanya lebih dari satu hubungan linear yang sempurna. Untuk mendeteksi adanya multikolinearitas dapat ditinjau dari beberapa hal berikut :
1. nilai toleransi lebih kecil dari 0,1
2. nilai VIF lebih besar dari 10
3. R² = 1
4.2.3. Uji Heteroskedastisitas
Heteroskedastisitas dideteksi dengan metode grafik dengan mengamati scatterplot. Jika scatterplot membentuk pola tertentu, hal ini menunjukkan adanya
masalah heteroskedastisitas pada model regresi yang dibentuk. Sedangkan scatterplot jika menyebar secara acak maka hal itu menunjukkan tidak terjadi masalah
heteroskedastisitas Santoso, 2010.
Dengan uji kriteria sebagai berikut: Dimana:
H0 diterima apabila signifikan 0,05 H1 ditolak apabila signifikan 0,05
.
3.5. Defenisi dan Batasan Operasional 3.5.1. Defenisi